[机器学习入门] 李宏毅机器学习笔记-26（Structured Support Vector Machine part 1;结构化支持向量机part 1）

最新推荐文章于 2021-01-29 22:41:52 发布
最新推荐文章于 2021-01-29 22:41:52 发布
阅读量2k 收藏 4
点赞数 2
分类专栏： 机器学习 机器学习入门 文章标签： 机器学习 结构化 结构化SVM SVM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/soulmeetliang/article/details/75674529
版权
这篇博客介绍了结构化支持向量机（Structured SVM）的概念，从可分情况开始，讨论如何寻找最优向量，并通过梯度下降法优化。接着，博主探讨了非可分情况下的成本函数定义，以及如何通过量化差距改进成本函数，以区分不同级别的错误。整个过程中，强调了夸大误差差距和优化目标的核心思想。
摘要由CSDN通过智能技术生成

[机器学习入门] 李宏毅机器学习笔记-26（Structured Support Vector Machine part1 ;结构化支持向量机part 1）

PDF VIDEO

首先回顾一下Structured Learning要解决什么问题？

这里写图片描述

Example Task Object Detection:

这里写图片描述

We must solve the three problems:

这里写图片描述

这里写图片描述

这里写图片描述

那么现在让我们假设前两个问题都解决了，只专注于第三个问题。

Outline

最低0.47元/天 解锁文章
holeung
关注
专栏目录
SSVM（Structured Support Vector Machine） 学习笔记
qq_40187381的博客
10-23 1442
SSVM（Structured Support Vector Machine）学习笔记 本篇笔记主要是记录台湾大学李宏毅老师在 Structure Learning 课程中讲解的内容 http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML16.html 什么是 Structure？ 输入和输出中存在结构化数据的模型。（X：sentence，Y：tree structure）（X：Image，Y：bounding box） 1.Evaluate 定义一个 F(x,y)
[机器学习入门] 经典台大李宏毅机器学习课程从这里开始
热门推荐
Holeung blog
08-21 8万+
TOPIC CONTENTS BLOG PDF VIDEO 【1】Learning Map（学习导图） blog pdf video 【2】Regression：Case Study ；回归：案例研究 blog pdf video 【3】Gradient Descent ；梯度下降 blog pdf video 【4
Structured Support Vector Machine
披着鲨鱼皮的海盗
07-27 1030
目录 Structured Learning Separable case Non-separable case Considering Errors Regularization Structured SVM Multi-class and binary SVM 小结 链接： http://speech.ee.ntu.edu.tw/~tlkagk/courses/MLDS_2...
机器学习 李宏毅 L31-Support Vector Machine
okgagaga的博客
02-03 323
Loss function的比较 这里，δ(g(xn)≠y^n)" role="presentation">δ(g(xn)≠y^n)δ(g(xn)≠y^n)\delta(g(x_n) \neq \hat{y}_n)不可微分，因此采用l(f(xn),y^n)" role="presentation">l(f(xn),y^n)l(f(xn),y
李宏毅机器学习——结构化支持向量机
日积月累，天道酬勤
03-29 1486
引言 关于支持向量可以参考机器学习入门——支持向量机和李宏毅机器学习——支持向量机。 关于结构化学习的知识建议先阅读下李宏毅机器学习——结构化学习(二)。 本文主要介绍结构化支持向量机的理论知识。 文章目录引言 ...
[机器学习入门] 李宏毅机器学习笔记-27（Structured SVM part 2；结构化支持向量机 part 2）
Holeung blog
07-22 4781
[机器学习入门] 李宏毅机器学习入门-27（Structured SVM part 2；结构化支持向量机 part 2） PDF VIDEOStructure SVM 接上篇 Regularization 番外篇： 当我坐在杭州梦想小镇的咖啡厅学习到此处时，一位中年大叔说很喜欢我的形象希望给我拍照，我一愣心想这大叔真是有眼光啊，咱这形象终于得到了艺术圈的认可，没想到大叔满面春光地
[机器学习入门] 李宏毅机器学习笔记-28 (Structured SVM part 3 ;结构化支持向量机 part 3)
Holeung blog
07-26 2725
[机器学习入门] 李宏毅机器学习笔记-28(Structured SVM part 3 ;结构化支持向量机 part 3) PDF VIDEOStructured SVM 接上篇 Multi-class and binary SVM 有三个问题，让我们来一一解决它们。 Multi-class SVM Problem 1Problem 2Problem 3 Example B
[机器学习入门] 李宏毅机器学习笔记-24（introduction of Structured Learning;结构化学习介绍）
Holeung blog
07-08 2213
[机器学习入门] 李宏毅机器学习笔记-24（introduction of Structured Learning;结构化学习介绍） PDF VIDEOintroduction of Structured Learning 到目前为止，不管是做SVM还是Deep Learning，input 和 output 都只是向量，而实际上我们真正面对的问题，要比向量更复杂，因此我们需要一个f，来计
[机器学习入门] 李宏毅机器学习笔记-25（Sturctured Linear Model；结构化预测-线性模型）
Holeung blog
07-10 1095
[机器学习入门] 李宏毅机器学习笔记-25（Sturctured Linear Model；结构化预测-线性模型） PDF VIDEOStructured Linear ModelProblem 1ϕ1(x,y)\phi_1(x,y)ϕ2(x,y)\phi_2(x,y) ϕ3(x,y)\phi_3(x,y) 代表一个value. 也就是说 x，y在具有特征一时的强度是ϕ1(x,y)\phi_
[李宏毅-机器学习]支持向量机 Support vector machine
炼丹师
02-19 143
在逻辑回归中，loss function的选择 hinge loss >1的数据，不是support vector，其他的是support vector linear SVM 其中1就是间隔，为软间隔 为什么w是数据的线性组合？ 从梯度下降的角度来看，当w初始化为0的时候，就相当于x的线性组合 只是当前维度空间的分类结果可能不理想...
机器学习-62-Structured Learning-03-Structured Support Vector Machine(结构化学习-结构化支持向量机)
迷雾总会解
01-29 548
本篇文章主要讲的是结构化的SVM，并且对结构化里面的一些基本理论和概念做一些基本介绍。根据这些概念，我们可以深刻的理解结构化的思想！以及对结构化SVM的基本认识！
《机器学习》学习笔记（二十六）—结构化学习：结构型支持向量机
时光机的学习博客
05-12 394
回顾结构化学习 结构化学习的统一框架可以分为下面两个部分 第一步就是通过训练得到函数，第二步是给定数据，找到最符合的 yyy 。 结构化学习要解决的三个问题 首先要确定的问题是，找到函数 F(x,y)F(x,y)F(x,y) 的表示形式。第二个问题是，如果给定了一个 F(x,y)F(x,y)F(x,y) 和输入数据 xxx 如何找到对应的最大的 yyy ，这个一般假设是通过穷举的方法得到的。最...
李宏毅机器学习系列-结构化学习之结构化支持向量机
王伟王胖胖的博客
08-29 1182
李宏毅机器学习系列-结构化学习之结构化支持向量机回顾统一框架统一框架的问题结构化学习的应用统一框架的问题解决方案前方高能线性可分的情况和结构化感知机训练次数的数学推导如何进行快速训练线性不可分情况定义损失函数梯度下降法考虑误差加上正则化结构化SVM切平面算法最难满足的限制多分类和二分类的SVM多分类SVM二分类SVM更好的SVM总结 回顾 统一框架 上两篇介绍了什么事结构化学习，就是输入和输出的结...
李宏毅机器学习——学习笔记（18）Support Vector Machine（SVM）
m0_37757740的博客
04-11 460
Hinge Loss + Kernel Method 就是SVM。 hinge loss 进行二分类的过程中，采取sigmoid和cross entropy的原因是gradient descent的梯度很大，利于参数调整。 Hinge loss function就是： 图中的紫色段，hinge loss 和cross entropy的差别在于对于预测准确后的样本的奖赏程度。 Linear SV...
结构学习：结构型支持向量机
dugudaibo的博客
01-20 5504
结构型SVM详细介绍
李宏毅机器学习 Machine_Learning_2019_Task2
weixin_36466478的博客
05-22 250
学习任务： 目录： 一、理解偏差和方差 二、学习误差为什么是偏差和方差而产生的，并且推导数学公式 三、过拟合，欠拟合，分别对应bias和variance什么情况 四、学习鞍点，复习上次任务学习的全局最优和局部最优 五、学习Mini-Batch与SGD 六、写出SGD和Mini-Batch的代码 七、学习回归模型评价指标 一、理解偏差和方差 概括： 算法的预测误差, 或者说泛化误差(general...
李宏毅机器学习——学习笔记（12） Un-supervised Learning-Linear methods
m0_37757740的博客
04-03 461
Un-supervised Learning 分为两类： （1）聚类 & 降维（化繁为简）：将多个输入抽象成一种类型 （2）Generation（无中生有）：输入一个code，得到一个样本 聚类中最常用的方法有： （1）k-means：a.随机初始化k个类的中心点；b.每个样本以最靠近的中心点的所属类为类标签；c.根据新得到的分类更新中心点；d.重复步骤b、c，直到模型收敛。 （2）Hi...
李宏毅老师机器学习__(1)机器学习介绍
richard1230的博客
04-30 1985
文章目录机器学习定义机器学习三板斧监督学习Structuerd Learning无监督学习半监督学习Reinforcement LearningTransfer Learning学习导图机器学习开发流程总结 机器学习定义 机器学习三板斧 1.定义一个函数集合 2.找到函数的评价标准; 3.选择最佳的函数 监督学习 用已知某种或者某些特性的样本作为训练集,建立一个数学模型,再用已经建立的模型来预测...
番外.李宏毅学习笔记.ST3.Structured SVM
老毛的博客
02-15 439
文章目录前情回顾（略）Separable caseStructured PerceptronWarning of Math前戏开证讨论Non-separable caseDefining Cost Function(Stochastic) Gradient DescentConsidering ErrorsRegularizationStructured SVMCutting Plane Algo...
李宏毅教授详解机器学习入门与深度学习基础
本资源是一份由台湾教授李宏毅(Hung-yi Lee)针对机器学习初学者设计的深入浅出的教程，以“机器学习入门”为主题。课程内容涵盖了深度学习的基础技术，包括讲座IV至讲座I，从“Next Wave”到“Introduction of Deep ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值